llama.cpp b11513 发布：CUDA top-k 算法按形状选择，qwen4exp 上提速约 6 倍
llama.cpp 发布 b11513，为 CUDA 后端改进 top-k 算法选择：按形状在 bitonic、radix select 与 DeviceTopK/CUB argsort 之间切换，阈值可在构建时覆盖。
#推理
llama.cpp ReleasesAI 评分2222
AWS Machine Learning Blog精选AI 评分7171 Claude Haiku 5.5 上线 AWS，成本较 Haiku 4.5 降低约 75%
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与 Bedrock 接入方式，可据此判断它在多智能体分层中的分工。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队基于 Nemotron 3，用监督微调、强化学习和反馈驱动的推理流程，在 IOI 2026 和 IMO 2026 两项竞赛中均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型的训练与推理流程。
vLLM ReleasesAI 评分2828 vLLM v0.31.0 发布：DeepSeek-V4.1-Flash 性能优化与快速重启
vLLM 发布 v0.31.0，含 307 位贡献者的 717 个提交，重点优化 DeepSeek-V4.1-Flash：FlashMLA mega attention 搭配 NVFP4 压缩 KV cache 成为 SM100 默认配置。
NVIDIA Blog精选AI 评分7878 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 在 API 以及符合条件的 ChatGPT Work 和 Codex 用户中上线 GPT-6 Astra Ultrafast，该模式运行在 NVIDIA Blackwell GPU 上，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：原文给出 Ultrafast 模式相对标准模式的生成速度提升与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与获取门槛。
Google Developers BlogAI 评分2727 在 TPU 上加速视频扩散模型的时空注意力
Google 分享了在 TPU 上将视频扩散模型稀疏注意力理论转化为端到端加速的案例。81 帧 720p 视频的序列长度达 50K 至 400K，从 720p 升至 1440p 时序列长度翻两番，全注意力在单层延迟中占比可从 55.5% 升至 88.2%。
Unsloth ReleasesAI 评分4242 Unsloth 新增 Laya 决策模型支持与统一 Library
Unsloth 新增决策模型支持，可在本地运行 Laya（开源 Jev）回答是/否、多选和评分问题并输出概率，通过 Settings > API 启用 Decision API，支持 TypeSafe SDK 的 Jev 兼容 /v1/systemone 端点。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，并给出注意力与 Mamba 两类内核的实测对比。
Berkeley AI ResearchAI 评分3232 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容以自然语言"信念状态"形式隔离并监督，通过受自编码器启发的信念评分机制提升长程交互效率。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分4040 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分4040 GRASP：面向世界模型的基于梯度的长时程规划器
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的基于梯度的规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让长时程规划变得可行。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型带来的脆弱"状态-输入"梯度问题。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约少 10 倍的消融次数达到 SPEX 的性能。